本申请涉及一种基于扩散模型的医学图像体积超分辨率方法，构建基于扩散模型的医学图像体积超分辨率模型；将医学图像输入至形变流特征提取模块，得到医学图像中相邻层之间的运动形变映射；基于医学图像和各层间的运动形变映射，得到形变估计图像；对形变估计图进行预处理，并将预处理后的形变估计图像分别输入至新型UNet网络中编码器的各层，输出多个特征图；每个特征图均经过复合卷积注意力模块，进行特征融合，分别得到对应的融合特征图；对每个融合特征图进行再次融合，分别得到对应的第二融合特征图；将每个第二融合特征图输入至新型UNet网络中的解码器，输出医学图像的超分辨率图像。该方法提升了图像的细节恢复和分辨率增强效果。
【技术实现步骤摘要】
本申请涉及医学图像体积超分辨率，特别是涉及一种基于扩散模型的医学图像体积超分辨率方法。
技术介绍
1、目前，医学成像技术在疾病诊断和治疗规划中扮演着至关重要的角色。三维医学影响能够为医生提供患者体内不同组织器官的内部结构可视化表征，有助于进行精准诊断和制定治疗方案。然而，由于成像设备的硬件限制、成像原理的固有缺陷、患者运动伪影等因素，成像结果可能会出现模糊、噪声、伪影和边界弱化等问题，导致低质量图像无法提供清晰准确的病变信息。尤其在mri和ct图像采集中，为了减少运动伪影和辐射风险，常采用稀疏采样方法，导致成像体各向异性，即层内平面分辨率高而层间分辨率低，无法提供充分的诊断信息。因此，研究者们面临着获取高分辨率三维医学影像的挑战。
技术实现思路
1、基于此，有必要提供一种基于扩散模型的医学图像体积超分辨率方法，该方法包括：
2、s1：构建基于扩散模型的医学图像体积超分辨率模型，所述医学图像体积超分辨率模型包括形变流特征提取模块、新型unet网络和复合卷积注意力模块；
>3、s2：获取医学本文档来自技高网...
【技术保护点】
1.一种基于扩散模型的医学图像体积超分辨率方法，其特征在于，包括：
2.根据权利要求1所述的基于扩散模型的医学图像体积超分辨率方法，其特征在于，所述形变流特征提取模块包括三个PWCNet形变预测网络；所述医学图像包括四层；第一PWCNet形变预测网络用于估计医学图像第一层与医学图像第二层之间的运动形变映射；第二PWCNet形变预测网络用于估计医学图像第二层与医学图像第三层之间的运动形变映射；第三PWCNet形变预测网络用于估计医学图像第三层与医学图像第四层之间的运动形变映射；每个PWCNet形变预测网络均由多个卷积层、归一化层以及激活函数组成。
>3.根据权利要求2...
【技术特征摘要】
1.一种基于扩散模型的医学图像体积超分辨率方法，其特征在于，包括：
2.根据权利要求1所述的基于扩散模型的医学图像体积超分辨率方法，其特征在于，所述形变流特征提取模块包括三个pwcnet形变预测网络；所述医学图像包括四层；第一pwcnet形变预测网络用于估计医学图像第一层与医学图像第二层之间的运动形变映射；第二pwcnet形变预测网络用于估计医学图像第二层与医学图像第三层之间的运动形变映射；第三pwcnet形变预测网络用于估计医学图像第三层与医学图像第四层之间的运动形变映射；每个pwcnet形变预测网络均由多个卷积层、归一化层以及激活函数组成。
3.根据权利要求2所述的基于扩散模型的医学图像体积超分辨率方法，其特征在于，各pwcnet形变预测网络的运行公式为：
4.根据权利要求2所述的基于扩散模型的医学图像体积超分辨率方法，其特征在于，所述基于医学图像和各层间的运动形变映射，得到形变估计图像包括：
5.根据权利要求1所述的基于扩散模型的医学图像体积超分辨率方法，其特征在于，s3包括：所述新型...
【专利技术属性】
技术研发人员：刘敏，刘庆浩，陈祥，刘立成，王耀南，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。